Fundamentos de la investigación en psicología

Transcripción

1 Fundamentos de la investigación en psicología TEMA 10 1º curso Grado Psicología Curso académico

2 TEMA 10. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD: VARIABLES CONTINUAS 1. El modelo normal 2. Ejercicios

3 La curva normal además de una fórmula matemática es un fenómeno natural puesto que es frecuente encontrarse variables con distribución normal (ej, estatura, peso, variables que representan diversas capacidades o dimensiones de personalidad, etc.) La mayor parte de nosotros adoptamos valores intermedios en nuestras capacidades psicológicas y sólo unos pocos sobresalen por adoptar valores especialmente altos o bajos. Cuanto más se alejan los valores de la media más dificil es encontrar casos que adopten esos valores.

4 Propiedades de la distribución normal: 1. Es simétrica con respecto al valor central y en ese valor coinciden la media (o valor esperado), la mediana (divide a la curva en dos zonas de igual área a su izquierda y a su derecha) y la moda (es el punto de la curva con máxima ordenada). 2. Es asintótica con respecto al eje de abscisas. Por mucho que se extienda, nunca llega a tocar los ejes; sólo en ± la altura de la curva llegaría a ser igual a Hay muchas familias de curvas normales, dependiendo de los valores de valor esperado y varianza. De entre ellas, la más importante es aquella que tiene media 0 y desviación típica igual a 1, denominada DISTRIBUCIÓN NORMAL UNITARIA. 4. Los puntos de inflexión se encuentran en los puntos correspondientes a la media más/menos una desviación típica. 5. Cualquier combinación lineal de variables aleatorias normales se ajusta también al modelo normal.

5 Matemáticamente, una variable aleatoria se distribuye según el modelo normal (con parámetros μ y σ, si su función de densidad de probabilidad para todo valor de X viene dada por la fórmula: π = 3,1416 e = 2,718 Para variables tipificadas, esta fórmula toma un aspecto más sencillo, dado que la desviación típica es 1.

6 REGLA DE TIPIFICACIÓN La función de distribución asociada a un valor de una variable aleatoria, X, con distribución normal, es la misma que la función de distribución de la tipificada de ese valor en la normal unitaria. Hay tablas con las áreas ya calculadas para la distribución normal unitaria Para hallar probabilidades asociadas a valores (es decir, para obtener las áreas asociadas a un valor de cualquier distribución normal) puedo tipificar ese valor y acudir con la z obtenida a esas tablas.

7

8 REGLA DE TIPIFICACIÓN Cualquier valor z con subíndice menor de 0.5 será un valor negativo, mientras que el valor 0 tendría un subíndice 0,5, puesto que el valor 0 es tanto la media como la mediana de la distribución normal unitaria. Indica que en la distribución normal unitaria el valor tipificado 0,44 tiene una probabilidad acumulada, función de distribución o área izquierda) igual a 0,67 Z 0,67 =0,44

9

10 EJEMPLOS DE OBTENCIÓN DE PROBABILIDADES ASOCIADAS A VARIABLES NORMALES Supongamos que una variable X se distribuye N(40; 5) y queremos obtener las siguientes probabilidades: 1. La de obtener un valor como mucho igual a 48; 2. La de observar un valor como mínimo igual a 42; 3. La de observar un valor comprendido entre 34 y 38, En el primer caso se trata de obtener la probabilidad acumulada del valor 48; para ello basta con tipificar y acudir con ese valor a la tabla de la normal unitaria dado que ésta nos proporciona directamente las áreas izquierdas. Es decir: P(X 48) = P(z (48-40)/5) = P(z 1,6) = 0,

11

12 EJEMPLOS DE OBTENCIÓN DE PROBABILIDADES ASOCIADAS A VARIABLES NORMALES 2. Se trata de obtener el complementario de la probabilidad acumulada del valor 42. Hallamos la probabilidad acumulada del valor 42 por el procedimiento empleado en el apartado anterior y la restamos de 1. Es decir: P(X 42) = 1-P(X 42) = 1-P (z (42-40)/5) = 1- P(z 0,40) = 1-0,6554 = 0,

13

14 EJEMPLOS DE OBTENCIÓN DE PROBABILIDADES ASOCIADAS A VARIABLES NORMALES 2. Se trata de obtener el área limitada por los valores 34 y 28,25. El procedimiento más apropiado para ello consiste en hallar la diferencia entre la probabilidad acumulada del valor mayor y la del valor menor. Es decir: 34 38,25 P(34 X 38,25) = P ((34-40)/5 z (38,25-40)/5) = P(-1,20 z --0,35) = F(-0,35) F(-1,20) = 0,3632 0,1151 = 0,2481

15

16

17 EJEMPLOS DE LAS PUNTUACIONES DE UNA VARIABLE NORMAL CON PROBABILIDADES ESPECÍFICAS ASOCIADAS Supongamos que una variable X se distribuye N(40;5) y queremos obtener los valores de esta variable para los cuales se cumplen las siguientes condiciones: 1. Aquel para que la probabilidad de observar un valor como mucho igual a él es 0,063; 2. Aquel para que la probabilidad de observar un valor como mínimo igual a él sea 0,33; 3. Aquellos dos valores que limiten el 50 por 100 central del área. 1. Se trata de obtener el valor que deja un área a su izquierda igual a 0,063. Por la regla de tipificación, y acudiendo a la tabla, comprobamos que se trata del valor cuya típica sea igual a -1,53. Basta con destipificar ese valor con respecto a la media y la desviación típica de la distribución: z 0,063 = -1,53 = (X i 40)/5 0,063 despejando, X i = -1,53 x = 32,35 X i

18

19 EJEMPLOS DE LAS PUNTUACIONES DE UNA VARIABLE NORMAL CON PROBABILIDADES ESPECÍFICAS ASOCIADAS 2. Se trata de obtener el valor que deja un área a su derecha igual a 0,33. Como la tabla asocia a cada valor su área izquierda, y dado que la puntuación que deje a su derecha un área igual a 0,33 es la misma que deja a su izquierda un valor igual a 1-0,33=0,67, buscamos este valor de probabilidad en la tabla y aplicamos el mismo procedimiento que en el apartado anterior: 0,330 z 0,67 = 0,44 = (X i 40)/5 despejando, X i = 0,44 x = 42,2 X i

20

21 EJEMPLOS DE LAS PUNTUACIONES DE UNA VARIABLE NORMAL CON PROBABILIDADES ESPECÍFICAS ASOCIADAS 3. Se trata de obtener aquellas dos puntuaciones que, tal y como aparece en la figura, dejen a su izquierda y derecha, respectivamente, áreas iguales a 0,25. Según la tabla, esas puntuaciones tendrán como típicas los valores 0,67 y -0,67. Destipificamos esos dos valores y obtenemos lo siguiente: Z 0,25 = -0,67 = (X 1 40)/5 despejando, X 1 = -0,67 x = 36,65 0,25 0,50 0,25 Z 0,75 = 0,67 = (X 2 40)/5 despejando, X 2 = 0,67 x = 43,35 X 1 X 2

22

23

24 Por qué es importante la distribución normal? Las propiedades que tiene la distribución normal son interesantes, pero todavía no hemos hablado de por qué es una distribución especialmente importante. La razón es que aunque una v.a. no posea distribución normal, ciertos estadísticos/estimadores calculados sobre muestras elegidas al azar sí que poseen una distribución normal. Es decir, tengan las distribución que tengan nuestros datos, los objetos que resumen la información de una muestra, posiblemente tengan distribución normal (o asociada). 24

25 Aplic. de la normal: Estimación en muestras Como ilustración mostramos una variable que presenta valores distribuidos de forma muy asimétrica. Claramente no normal. Saquemos muestras de diferentes tamaños, y usemos la media de cada muestra para estimar la media de la población.

26 Aplic. de la normal: Estimación en muestras Cada muestra ofrece un resultado diferente: La media muestral es variable aleatoria. Su distribución es más parecida a la normal que la original. También está menos dispersa. A su dispersión ( desv. típica del estimador media muestral os gusta el nombre largo?) se le suele denominar error típico.

27 Aplic. de la normal: Estimación en muestras Al aumentar el tamaño, n, de la muestra: La normalidad de las estimaciones mejora El error típico disminuye.

28 Aplic. de la normal: Estimación en muestras Puedo garantizar medias muestrales tan cercanas como quiera a la verdadera media, sin más que tomar n bastante grande Se utiliza esta propiedad para dimensionar el tamaño de una muestra antes de empezar una investigación.

29 Resumen: Teorema del límite central Dada una v.a. cualquiera, si extraemos muestras de tamaño n, y calculamos los promedios muestrales, entonces: Dichos promedios tienen distribución aproximadamente normal; La media de los promedios muestrales es la misma que la de la variable original. La desviación típica de los promedios disminuye en un factor raíz de n (error estándar). Las aproximaciones anteriores se hacen exactas cuando n tiende a infinito. Este teorema justifica la importancia de la distribución normal. Sea lo que sea lo que midamos, cuando se promedie sobre una muestra grande (n>30) nos va a aparecer de manera natural la distribución normal.

30 2. EJERCICIOS 1. Sabiendo que la variable X se distribuye según una normal con media 20 y varianza 64, determine la probabilidad de extraer al azar una observación cuya puntuación sea: a) Menor de 26 b) Menor de 18 c) Mayor de 30 d) Mayor de 13,2 e) Entre 16 y 28 f) Entre 24 y 36

31 2. EJERCICIOS 2. Si la variable V sigue una distribución N(10;4), calcular el valor o valores que cumplen que: a) F(v i ) = 0,6064 b) La probabilidad de obtener ese valor o cualquier otro inferior es igual a 0,2033. c) La probabilidad de obtener ese valor o cualquier otro superior es igual a 0,0136. d) Entre ellos se encuentra el 75 por 100 central de la distribución.

32 2. EJERCICIOS 3. Tras administrar una prueba diagnóstica sobre estrés, X, a un grupo de 300 personas, se observa que las puntuaciones en dicha prueba se aproximan a una distribución normal con media 30 y varianza 36. Responde a las siguientes preguntas: a) Cuántas personas no superan la puntuación 39? b) Si se establece que toda aquella persona que tenga una puntuación igual a superior a 42 tiene un riesgo alto de sufrir estrés, cuántas personas cabría esperar que satisfagan este criterio? c) Si en el 10 por 100 inferior de la distribución se sitúan las personas que cabe esperar que su riesgo de sufrir estrés sea bajo, obtener la puntuación mínima que se ha de tener en la prueba para pertenecer a este grupo.

33 2. EJERCICIOS 4. En un estudio sobre discriminación de colores se ha observado que las puntuaciones que obtienen los profesionales que trabajan en artes plásticas siguen una distribución N(80;10), mientras que las puntuaciones de los profesionales de otras áreas siguen una distribución N(60;20). Extrayendo de manera aleatoria e independiente un profesional de cada población, obtenga las probabilidades de que: a. Ambos tengan una puntuación como mínimo igual a 67,5. b. Ambos tengan una puntuación como mínimo igual a 70.

34 2. EJERCICIOS 5. Obtenga las puntuaciones que permiten dividir a la distribución N(22;6), que sigue la variable W, en cuatro partes cada una de ellas conteniendo el 25 por 100 del área de dicha distribución.

35 2. EJERCICIOS 6. Se ha administrado un cuestionario en la población de titulados universitarios europeos acerca del nivel de satisfacción sobre su trabajo. Se ha obtenido que en la subpoblación de hombres las puntuaciones se aproximan a una distribución N(6;1) y en la subpoblación de mujeres se aproximan a una distribución N(4;2). Responde a las siguientes cuestiones: a. Si se extrae al azar a un hombre, cuál es la probabilidad de que supere la mediana de la distribución de mujeres? b. Si se extraen de manera aleatoria e independiente dos hombres, cuál es la probabilidad de que ambos superen la mediana de la distribución de mujeres?

36 2. EJERCICIOS 7. Se ha observado que en la población infantil el nivel de activación se distribuye aproximadamente normal con media 12 y desviación típica 3, mientras que en la población de adultos también se aproxima a una normal pero con media 10 y desviación típica 2. Responde a las siguientes cuestiones: a. Qué porcentaje de adultos no superan la moda de la distribución de los niños? b. Qué porcentaje de los niños superan el tercer cuartil de la distribución de los adultos? c. Qué puntuación en la distribución de adultos no es superada por el mismo porcentaje que no supera la puntuación 13 en la población infantil?